Machine Learning / AI

Približne koľko tokenov bolo na jeden prechod end-to-end?

Akým nástrojom sa robil štruktúrovaný chunking dokumentov?

Aký model bol použitý pod kapotou agenta ReAct a prečo ste si vybrali práve ten?

Čo je nerovnováha tried v NER a ako s tým pracovať?

Aké sú nevýhody multiagentného prístupu?

Koľko kandidátov poslali do reranker a koľko ich bolo po ňому?

Aký je rozdiel medzi cross-encoderom (rankerom) a bi-encoderom?

Povedz mi o hybridnom retrieval-u v RAG — kateri model si izbral za dense-vektore?

Bol to JSON objekt alebo JSON schéma cez API? Aký je rozdiel v používaní?

Ako boli hodnoty BM25 a husté vloženia kombinované pred odoslaním do reranker (hybridizácia)?

Aký chunking sa použil a aké dokumenty to boli (Word, PDF, Excel atď.)?

Bol model vo svojom kontúre alebo išiel cez externé API?

Prečo ste si vybrali Qdrant ako vektorové úložisko?

Ako ste overili argumenty volania funkcie pred jej vykonaním?

Stručne opíšte, čo robí každý zo štyroch agentov multiagentného systému od začiatku do konca.

Kontrolujete neskôr kód, ktorý vygeneroval AI nástroj?

Aké metriky je možné použiť na hodnotenie NER na dokumentoch?

Čo rozumieš pod chybou (pri prístupe s promptom)?

Ako ste pracovali s poizvedbami vektorového úložiska (Qdrant) a ich vplyvom na latenciu agenta?

Koľko nástrojov mal agent ReAct?